[发明专利]一种通用型人体特征曲线自动分类方法

摘要

本发明提供了一种通用型人体特征曲线自动分类方法，其特征在于，包括以下步骤：获取水平切面的人体特征曲线以及矢状切面的人体特征曲线；对于人体特征曲线，采纳其坐标平面上的极小坐标点作为起始点，采用椭圆傅里叶描述，得到M个椭圆傅里叶描绘子，将其构造为矩阵EFDs，采用相同方法得到矢状切面的人体特征曲线的k个主成分，通过不同聚类个数下类内误差函数曲线的走势来选择最佳聚类个数。本发明给出了一种通用的人体切面轮廓特征曲线(包括水平切面和矢状切面)自动分类方法，能够有效地从特征曲线的中提取聚类信息，从而完成自动分类。

主权项

1.一种通用型人体特征曲线自动分类方法，其特征在于，包括以下步骤：步骤1、获取水平切面的人体特征曲线以及矢状切面的人体特征曲线；步骤2、对于步骤1获得的人体特征曲线，采纳其坐标平面上的极小坐标点作为起始点，采用椭圆傅里叶描述，其中：对于XOY平面上的特征曲线，其椭圆傅里叶描述为：式中，A₀、C₀分别为人体特征曲线中心点的x、y坐标；n为谐波次数，N为最大谐波次数；t为人体特征曲线的起点到任意采样点之间的弧长；T为函数的周期，是人体特征曲线周长；A_n、B_n为X轴方向椭圆系数；C_n、D_n为Y轴方向椭圆系数；由上述公式得到椭圆傅里叶系数，即XOY平面上的特征曲线的椭圆傅里叶描述子以行向量的形式(A₀,B₀,C₀,D₀,A₁,B₁,C₁,D₁,……,A_N,B_N,C_N,D_N)来描述；对于XOZ平面上的特征曲线，其椭圆傅里叶描述为：式中，E₀为人体特征曲线中心点的z坐标；E_n、F_n为Z轴方向椭圆系数；由上述公式得到椭圆傅里叶系数，即XOZ平面上的特征曲线的椭圆傅里叶描述子以行向量的形式(A₀,B₀,E₀,F₀,A₁,B₁,E₁,F₁,……,A_N,B_N,E_N,F_N)来描述；在建立了人体特征曲线的椭圆傅里叶描述之后，令最大谐波次数N＝20即可得到符合各种特征曲线的拟合效果；所述A_n、B_n的计算公式为：所述C_n、D_n的计算公式为：所述E_n、F_n的计算公式为：式中，K为人体特征曲线采样点的总数；Δx_p为人体特征曲线上的采样点p到采样点p+1的距离在x轴方向的位移；Δt_p为人体特征曲线上的采样点p到采样点p+1的距离，Δy_p为人体特征曲线上的采样点p到采样点p+1的距离在y轴方向的位移；Δz_p为人体特征曲线上的采样点p到采样点p+1的距离在z轴方向的位移；所述A₀、C₀、E₀的计算公式为：式中，且ε₁＝0，σ₁＝0，χ₁＝0；步骤3、对扫描人体数据库中M个样本的XOY平面上的人体特征曲线进行椭圆傅里叶描述，可得到M个椭圆傅里叶描绘子，将其构造为矩阵EFDs：式中，A_MN,B_MN,C_MN,D_MN表示第M个样本的三维悬垂形态的悬垂特征轮廓线的第N次谐波的椭圆系数，计算其协方差矩阵的特征值与特征相邻，将前k个最大特征值构成投影矩阵T_4N×k，则得到矩阵EFDs的k个主成分PCs＝E_EFDs×T_4N×k，k≤4N，即得到水平切面的人体特征曲线的k个主成分；采用相同方法得到矢状切面的人体特征曲线的k个主成分；步骤4、通过不同聚类个数下类内误差函数曲线的走势来选择最佳聚类个数，设误差函数W_k的计算公式为：式中，D_r为第r个类内所有样本对间距离之和，R为聚类个数，n_r为第r个类内所有样本的总数目，对于给定的数据集x∈X，若设定聚类个数为R，则采用如下的K‑Means++聚类分析方法：步骤4.1、从数据集X中随机选择一个聚类中心S₁；步骤4.2、对于每个样本x，计算其与最近聚类中心的欧式距离D(x)；步骤4.3、选择一个新的聚类中心S_i，使得如下概率最大化：式中，S_i＝x'∈X；步骤4.4、重复步骤4.2与步骤4.3，直到聚类中心的个数等于R；步骤5、采用传统的K‑Means聚类方法最小化目标函数J_k式中，c_k为第k个聚类中心，N为每个类中的样本个数。